基于大数据的金融科技人才库平台构建研究

文/阮妹，张远健

大数据时代的到来为经济、社会带来了巨大变革，为人才工作数字化转型提供了技术支撑。针对目前金融科技人才管理不规范、不一致的现状，本研究将结合金融科技特点，从多个角度打造一个金融科技人才库平台，利用大数据技术的客观性，整合碎片化人才数据，把握金融科技人才的体量规模，从人才发现、人才培养、人才评价、人才招聘、金融科技技术发展预测等多个方面有利支撑央行三年规划落地，服务好央行、各级政府、企业以及人才本身，打造良好的金融科技人才生态系统。

一、代表性金融科技人才库评述

（一）金融科技人才库建设现状

金融科技创新的主体离不开金融科技人才，同时金融科技人才也是金融科技运行与智能实现的重要支撑。建立高素质金融科技人才队伍意义重大、迫在眉睫，是当前刻不容缓的一项重要任务。2020 年由中国银行业协会等机构联合发布的《中国金融科技人才培养与发展研究报告》中指出：目前金融科技人才短缺问题突出，技术相关人员占比普遍较低；金融科技相关培训费用支出较少，金融科技专项资金投入不足；机构在招聘及培养金融科技人员过程中存在诸多难点，如人才实践应用能力不足、专业师资队伍组建困难等。不少机构已经将金融科技视为“核心竞争力”之一，各大银行不断加大金融科技投入，纷纷成立金融科技子公司。虽然意识到了金融科技的重要性，但缺乏专业性、复合型人才一直是银行发展金融科技面临的最大困难。

目前，国内外已建设有若干个大型人才库平台，有社区化运营的领英（LinkedIn）、科学家在线（ScientistIn），也有集聚全球科技专家的科技情报大数据挖掘与服务系统平台（AMiner）、全球高层次科技专家信息平台、全球科技创新人才信息平台、全球学者库、Lattes等，另外还有全国首家人才大数据研究院建设的“大数据研究•人才”平台。这些平台都从不同角度不同目的出发建立人才库，拥有不同功能板块，拥有海量人才数据。本方案中，对这些人才库平台展开深入调研，分别从功能版块、人才数量等各个方面进行详细描述，具体见表1。

（二）目前平台存在的问题

除上述人才平台外，我国还有多个国家级、省部级、市级的人才服务平台，这些平台主要面向各类就业人才服务，提供招聘就业、人才事务办理、人才服务等多类功能。

①目前尚未发现专门的金融科技领域人才平台。由于金融科技这一领域方兴未艾，目前针对该特定领域的人才库平台还未建设。

②对于多源数据融合挖掘人才的平台较少。主要还是以传统方式以及单一来源（文献）为主，金融科技人才更偏向于产业人才，发文数据明显较少，因此仅从文献中抽取金融科技人才是不可行的，还应有专利、资讯、企业等各类更丰富的数据，帮助金融科技人才的挖掘与梳理。

③人才库平台功能的单一。现有人才库平台功能上来看主要是人才检索、信息管理、人才推荐、人才评价等常规功能，对于人才本身如招聘、培训学习、知识服务等方面融合的功能较为分散，建立一个面向政府、企业、人才三方服务的金融科技人才库平台显得十分重要，另外“政府-企业-人才”三级一体的科技人才沟通平台也亟待建立。

④技术创新性略显不足。人才库架构还是比较偏向于传统的技术架构，但对于海量的人才及其成果数据等现已不能再很好的支撑，另外在人才库的建设上，人名消岐与知识图谱技术仍不成熟，人名消岐技术应用于工程化的平台中，准确率仍有待提升。目前领域知识图谱的构建一般还停留在手工构建阶段，缺乏统一的构建方法，需要众多人工智慧甚至专家智慧来提升图谱的准确性。

二、平台规划

金融科技人才库平台拟围绕金融科技领域科创大数据发现与金融科技人才智能服务，着力打造一个以金融科技人才为主体的“技术先进、价值共创、数据共享、协同创新”金融科技生态圈。利用大数据处理技术、自然语言处理技术和人工智能等先进技术，平台集聚金融科技多类型、多维度海量资源要素，旨在为政府、企业、科研院所、金融科技人才提供“科技创新人才发现、智能知识服务、金融科技人才导航分析、便捷式求职招聘、开放式交流空间、多样化学习培训”等服务。该平台对于支持辅助领导决策调研、企业科技创新、高校人才培养、人才能级提升、创新生态打造提供强有力的信息化支撑。

（一）平台架构

依据各类调研结果以及金融科技人才库平台需求分析，基于指导思想以及基本原则，对金融科技人才库平台的总体架构进行设计，具体如图1 所示：金融科技人才库平台根据现有科技人才库平台搭建经验，主要可以分为七个层次，包括：基础层、模型层、算法层、组合层、用户行为层、功能层和平台层。

基础层由大数据平台和实时计算区构成，支撑其他六个层的采集、存储、计算、输出操作；由于金融科技人才库的核心问题是汇聚和处理金融科技领域多源异构数据，大数据平台的建设是整个项目的重中之重；

模型层包含由各种用于智能化处理的模型框架，如语言处理模型、数据关联模型等，基于模型框架和学习数据的模型可以用来完成进行实体消岐、知识图谱等具体操作；

算法层则为结合业务的具体算法实现，如适用于相似研究内容的文本相似度算法，基于知识图谱的语义检索算法；

组合层通过融合不同数据、算法、模型组成各个具体的功能点，如语义搜索、评估评价等；

用户行为层则对脱敏的用户行为数据进行自动地“归纳”和“总结”，找出其中规律，用于更新知识库、模型、将用户对个人知识库的更新反馈通过特定机制（如阈值）反映到具体的数据或操作中；

功能层是支撑综合服务平台各业务的具体功能及功能点的集合，以金融科技人才为核心，打造“5+X”核心功能，即人才发现、知识服务、交流空间、数据洞见、认证培训以及个性推荐；

平台层是终端用户可见的金融科技人才库平台。

总体上，所建设金融科技人才库平台将满足以下特性：（1）业务先进性：所建设平台能够满足人才数字化转型过程中人才发现、评价、招聘、培养等各类需求，平台检索实现智能化的语义搜索；（2）平台稳定性：所建设平台安全稳定，能够实时监控并进行运维；（3）数据可靠性和标准性：数据来源权威可靠，按照指定的标准体系进行解析、清洗、加工和入库，以保证输出质量；（4）操作简洁性：线上平台操作简单易用；（5）功能解耦性：平台能够按照功能进行切割和重新组合，以满足不同应用场景的需求和提高组件的复用率。

（二）功能设计

金融科技人才库平台专门针对金融科技领域构建人才库平台，数据源中不仅仅包含文献数据，还将专利数据、资讯数据等纳入人才挖掘的重要来源，利用人名消岐和知识图谱技术对金融科技人才进行挖掘，除了本文前所述的现有平台功能外，将建立起一个“政府-企业-人才”三级一体的科技人才沟通平台。

因此，根据前期各类调研结果，确定金融科技人才库平台主要满足“5+X”功能：人才发现、知识服务、数据洞见、交流空间、认证培训、个性推荐等，提供“全产业人才发现、多维度人才画像、数字化人才评价、一站式知识服务、全局化数据洞见、多元化交流空间、专业化认证培训”等人才服务。

①全产业人才发现

利用大数据技术、人工智能等手段挖掘金融科技领域的科研人才和产业人才，并对人才数据进行人名消岐，形成金融科技人才库，实现全金融科技产业的人才检索与发现。

②多维度人才画像

金融科技人才库平台为人才打造丰富的人才个人主页。涵盖人才基本信息、成果数据、相关指标数据、关注主题或人才标签、人才合作网络、合作学者等，构建人才数字化档案，全方位、多角度展现金融科技人才画像。

③数字化人才评价

依赖于金融科技人才量化评价指标体系，利用平台数据，实现指标体系的可操作性，将人才评价工作数字化、信息化、系统化，有利于帮助人才引进工作中的初筛工作，也有助于为快速发现人才、实现人才的精准推荐。

④一站式知识服务

基于平台的海量数据，提供金融科技领域动态实时的论文、专利、软著、项目、专著、报告等科技资源和服务大数据的检索发现，提供多维度分面展示。另外，实现语义级别的全方位智能检索，智能识别用户检索意图，智能分析检索字段，智能规范关键词语，智能结果排序。

⑤全局化数据洞见

基于知识图谱对金融科技领域的人才、论文、专利、项目、企业、机构、主题等科技资源建立图知识网格，实现丰富的科技数据关联，打破信息“孤岛”，实现无终结点的关联发现导航，辅助人才、机构寻求在生产、科研上的合作关系，辅助实现精准的人才发现与推荐。

⑥多元化交流空间

金融科技人才库平台将为各类用户打造不同功能的交流空间，为金融科技人才的交流与智慧集聚提供空间与场所。在交流空间中，用户可以实现社区交流、前沿资讯以及项目申请/公示信息的分类阅览、各类论坛会议信息的查询阅览、招聘信息的检索和推荐。此外，金融科技企业也可以在平台中发布相关企业招聘信息。

⑦专业化认证培训

平台将搭载起金融科技人才职业生涯中所需的各类职业资格培训等信息与报名入口通道，为金融科技人才提供各类资格认证的信息平台；此外，打造配套的培训学习空间，人才可以在平台进行在线学习，高校教师或相关金融科技人才可在平台中发布相关课程、相关学习资料供人才学习，补充完善现有的金融科技人才培养体系，助力提升金融科技人才的专业性、复合性和实战性。

三、平台建设

（一）平台已有基础

目前，已利用各类资源建设有一个金融科技人才服务平台原型，围绕金融科技领域大数据与文献情报智能服务，利用大数据处理技术、自然语言处理技术和人工智能技术，提供多类型、多维度海量数据的信息检索发现服务和知识图谱的信息关联导航服务。通过论文、专利等科技创新资源数据，利用机器学习、人工智能等手段挖掘金融科技领域人才。

原型平台已实现金融科技领域的人才、机构、论文及专利四个实体的检索发现和关联发现功能，挖掘14 万余名科研人才和产业人才，成果数量达百万级，近2000 家金融科技机构，整合人才信息、成果信息等科技创新资源数据并建立人才档案，构建金融科技领域人才画像。

（二）平台下一步工作

①大规模数据采集系统搭建

平台建设过程中首要建成一个大型的大数据管理平台作为整体的数据支撑与计算支持。人才数据来源广泛且对时效性要求较高，例如一些前沿资讯、项目会议通知等，需要实时采集存储。因此，平台在建设初期将搭建起大规模数据采集的流程或系统，以应对百万甚至千万量级的数据。

②知识图谱构建

知识图谱的构建将提升整个金融科技人才库平台的能级与效率，帮助快速发现人才以及各种知识关联，但目前来看，应用于单一领域的知识图谱构建技术已较为成熟，但对于本研究中丰富复杂的人才多数据来源，这种知识融合就显得较为困难，就单个人才的全面画像描绘也已比较复杂，未来将利用自动化的知识图谱构建方法来帮助快速构建起人才的完整画像。

③人才社区搭建

平台建设需要大量的人力与精力，而由于人才平台定位为社区化建设，因此在人才社区搭建中，人才的认定审核、人才发表内容的审核管理以及社区的运营显得十分重要，另外还将设置一些激励手段、支撑政策提升人才主动完善维护其个人主页的意愿。

四、结语

本文通过大数据技术构建了金融科技人才库平台，为建设行业层面乃至国家层面具备资源丰富、运行高效、结构合理、标准规范要求的金融科技人才库提供实践参考，同时也是金融科技在金融人才工作应用赋能的又一佐证。在大数据等新兴技术的持续赋能下，人才工作的数字鸿沟问题将得到显著改善，为建成一支梯度合理的金融科技人才队伍提供决策支持。